LANDASAN TEORI
3.2. Analytical Network Process (ANP) 3
ANP menggunakan jaringan tanpa harus menetapkan level seperti pada hierarki yang digunakan dalam Analytic Hierarchy Process (AHP), yang merupakan titik awal ANP. Konsep utama dalam ANP adalah influence
(pengaruh), sementara konsep utama dalam AHP adalah preference (pilihan). AHP dengan asumsi-asumsi dependensinya tentang cluster dan elemen merupakan kasus khusus ANP. ANP merupakan pendekatan baru dalam proses pengambilan keputusan yang memberikan kerangka kerja umum dalam memperlakukan keputusan-keputusan tanpa membuat asumsi-asumsi tentang independensi elemen-elemen pada level yang lebih tinggi dari elemen-elemen
Analytic Network Process (ANP) adalah teori umum pengukuran relatif yang digunakan untuk menurunkan rasio prioritas komposit dari skala rasio individu yang mencerminkan pengukuran relatif dari pengaruh elemen-elemen yang saling berinteraksi berkenaan dengan kriteria kontrol (Saaty,1999).
3
Saaty, T. L. (2005). Theory and Applications of the Analytic Network Process. Pittsburgh, PA: RWS Publications, 4922 Ellsworth Avenue, Pittsburgh, PA 15213
pada level yang lebih rendah dan tentang independensi elemen-elemen dalam suatu level (Saaty, 1999).
Perbedaan antara hierarki dan jaringan (network) digambarkan pada Gambar 3.2 dimana hirearki memiliki tujuan (goal) atau titik sumber (source node) serta kriteria dan sub kriteria atau titik tumpahan (sink node). Bentuknya berupa struktur linear dari atas ke bawah tanpa adanya timbal balik (feedback)
dari level terendah ke level diatasnya. Selain itu, loop hanya terjadi pada pada level terendah. Jaringan (network) menyebar dalam segala arah dan memungkinkan terjadinya pengaruh (influence) dari suatu cluster terhadap custer
lainnya maupun cluster itu sendiri dan timbal balik (feedback) yang membentuk siklus (Saaty, 2004).
ANP merupakan gabungan dari dua bagian. Bagian pertama terdiri dari hierarki kontrol atau jaringan dari kriteria dan subkriteria yang mengontrol interaksi. Pada kontrol ini tidak membutuhkan struktur hierarki seperti pada metode AHP. Bagian kedua adalah jaringan pengaruh-pengaruh diantara elemen dan cluster (Saaty, 1999).
Sumber : Saaty, 2004
Boyokyazici dan Sucu (2003) menjelaskan bahwa model network tidak dapat digambarkan dengan struktur hirearki dan bukan merupakan bentuk linear dari level atas ke bawah. Istilah level dalam AHP digantikan dengan istilah cluster
dalam ANP. Model ANP memiliki lingkaran hubungan antara elemen satu dengan yang lain serta dalam cluster itu sendiri yang disebut dengan system with feedback.
Hubungan ketergantungan antar elemen pada pendekatan ANP digambarkan dengan tanda anak panah bolak-balik pada masing-masing cluster.
Cluster atau komponen dalam ANP adalah kumpulan elemen-elemen yang diturunkan dari sinergi interaksi yang tidak ditemukan dalam elemen tunggal (Saaty, 2004).
Perbandingan tingkat kepentingan dalam setiap elemen maupun cluster
direpresentasikan dalam sebuah matriks dengan memberikan skala rasio dengan perbandingan berpasangan (pairwise comparison). Perbandingan berpasangan menggunakan rasio dominasi pasangan dengan menggunakan pengukuran aktual. Dalam hal penggunaan judgements, dalam AHP seseorang bertanya: “Mana yang lebih disukai atau lebih penting?”, sementara dalam ANP seseorang bertanya: “Mana yang mempunyai pengaruh lebih besar?”. Pertanyaan terakhir jelas memerlukan observasi dan pengetahuan untuk menghasilkan jawaban-jawaban yang valid, yang membuat pertanyaan kedua lebih obyektif dari pada pertanyaan pertama (Yamanita, 2005).
Saaty (2004) merekomendasikan sebuah skala 1-9 untuk membandingkan antara dua komponen. Skala 1 menunjukkan tingkat kepentingan yang sama
antara dua komponen dan skala maksimal 9 untuk menunjukkan dominasi antara komponen pada baris dan komponen pada kolom. Masing-masing skala rasio menunjukkan perbandingan kepentingan antara elemen di dalam sebuah komponen dengan elemen di luar komponen (outer dependence) atau di dalam elemen terhadap elemen itu sendiri yang berada di komponen dalam (inner dependence). Tidak setiap elemen memberikan pengaruh terhadap elemen dari komponen lain. Elemen yang tidak memberikan pengaruh pada elemen lain akan memberikan nilai nol.
Matriks hasil perbandingan direpresentasikan kedalam bentuk vertikal dan horisontal dan berbentuk matriks yang bersifat stokastik yang disebut sebagai supermatriks. Supermatriks diharapkan dapat menangkap pengaruh dari elemen-elemen pada elemen-elemen-elemen-elemen lain dalam jaringan (Saaty, 2004). Matriks merupakan suatu kumpulan angka-angka (sering disebut elemen-elemen) yang disusun menurut baris dan kolom sehingga berbentuk empat persegi panjang, dimana panjang dan lebarnya ditunjukkan oleh banyaknya kolom-kolom dan baris-baris (Supranto, 1992). Supermatriks adalah dua dimensional matriks dari elemen terhadap elemen (matriks dari matriks-matriks). Supermatriks dibangun dengan menempatkan cluster dan semua elemen masing-masing cluster dalam urutan secara vertikal di sebelah kiri dan secara horisontal di sebelah atas. Vektor prioritas dari perbandingan berpasangan nampak dalam suatu kolom yang sesuai dari suatu supermatriks(Saaty, 1999).
Supermatriks terdiri dari 3 tahap yaitu :
1. Tahap supermatriks tanpa bobot(unweighted supermatrix)
Merupakan supermatriks yang didirikan dari bobot yang diperoleh dari matriks perbandingan berpasangan.
2. Tahap supermatriks terbobot (weighted supermatrix)
Merupakan supermatriks yang diperoleh dengan mengalikan semua elemen di dalam komponen dari unweighted supermatrix dengan bobot cluster yang sesuai sehingga setiap kolom pada weighted supermatrix memiliki jumlah 1. Jika kolom pada unweighted supermatrix sudah memiliki jumlah 1, maka tidak perlu membobot komponen tersebut pada weighted supermatrix.
3. Tahap supermatriks batas (limit supermatrix)
Merupakan supermatriks yang diperoleh dengan menaikkan bobot dari
weighted supermatrix. Menaikkan bobot tersebut dengan cara mengalikan supermatriks itu dengan dirinya sendiri sampai beberapa kali. Ketika bobot pada setiap kolom memiliki nilai yang sama, maka limit matrix telah stabil dan proses perkalian matriks dihentikan.
Hasil akhir perhitungan memberikan bobot prioritas dan sintesis. Prioritas merupakan bobot dari semua elemen dan komponen. Didalam prioritas terdapat bobot limiting dan bobot normalized by cluster. Bobot limiting merupakan bobot yang didapat dari limit supermatrix sedangkan bobot normalized by cluster
merupakan pembagian antara bobot limiting elemen dengan jumlah bobot limiting
elemen-elemen pada satu komponen. Sintesis merupakan bobot dari alternatif. Didalam sintesis terdapat bobot berupa ideals, raw dan normals. Bobot normals
merupakan hasil bobot alternatif seperti terdapat pada bobot normalized bycluster
prioritas. Bobot raw merupakan hasil bobot alternatif seperti terdapat pada bobot
limiting prioritas atau limit matrix. Bobot ideals merupakan bobot yang diperoleh dari pembagian antara bobot normals pada setiap alternatif dengan bobot normals
terbesar diantara alternatif-alternatif tersebut.
Dalam penelitian ini, salah satu metode MCDM yakni Analytic Network Process (ANP) akan diimplementasikan untuk dipakai dalam penentuan kriteria-kriteria pemasaran guna mendapatkan kriteria-kriteria pemasaran yang tepat untuk dikembangkan oleh pihak perusahaan. Dimulai dengan melakukan identifikasi dan mengkaji visi, misi, dan kriteria-kriteria pembangun strategi pemasaran serta alternatif-alternatif yang digunakan oleh pihak perusahaan yang nantinya akan dirumuskan menjadi tujuan strategis (strategic objectives) yang digunakan acuan manajemen menyusun program dan rencana kerjanya. Setelah semua tujuan strategis teridentifikasi, dilakukan penyebaran kuesioner perbandingan berpasangan (pairwase comparison) pada expert judgements dalam strukur organisasi prusahaan yang berkaitan dengan perspektif untuk mengetahui preferensi mereka terhadap rancangan tujuan strategis yang telah terbentuk. Adapun kuesioner yang diberikan dalam bentuk kuesioner perbandingan berpasangan. Skala yang digunakan adalah skala terbatas yang dimulai dari sama pentingnya (equally prefered) hingga mutlak pentingnya (extremelly prefered). Pemilihan skala 1 hingga 9 didasarkan pada penelitian psikologi yaitu berdasarkan kemampuan otak manusia menyuarakan urutan preferensinya (Harker & Vargas,
1987). Penilaian yang diberikan diharapkan berdasarkan dari penilaian pakar. Skala untuk penilaian dapat dilihat pada Tabel 3.1.
Tabel 3.1. Dasar Perbandingan Kriteria Intensitas
Kepentingan Definisi Penjelasan
1 Kedua elemen sama penting Dua elemen menyumbangnya sama besar pada sifat itu
3 Elemen yang satu sedikit lebih penting ketimbang lainnya
Pengalaman dan pertimbangan sedikit menyokong satu elemen atas lainnya 5
Elemen yang satu essensial atau sangat penting ketimbang elemen lainnya
Pengalaman dan pertimbangan dengan kuat menyokong satu elemen atas elemen lainnya
7 Satu elemen jelas lebih penting dari elemen lain
Satu elemen dengan kuat disokong, dan dominannya telah terlihat dalam praktek 9
Satu elemen mutlak lebih penting ketimbang elemen lainnya
Bukti yang menyokong elemen yang satu yang lain memiliki tingkat penegasan tertinggi yang mungkin menguatkan
2,4,6,8 Nilai-nilai antara dua pertimbangan berdekatan
Kompromi diperlukan antara dua pertimbangan
Kebalikan
Jika untuk aktivitas i mendapat satu angka bila dibandingkan dengan aktivitas j, maka j mempunyai kebalikannya bila dibandingkan dengan i
According to Saaty (2005)
3.2.1. Langkah-langkah Pengerjaan ANP4
Dalam langkah ini hal yang perlu ditekankan adalah pendefinisian masalah yang akan menjadi objek penelitian harus jelas. Kriteria, subkriteria, maupun alternatif dipilih berdasarkan brainstorming atau metode pengumpulan ide
Adapunlangkah-langkah dalam pengerjaan metode ANP yakni: 1. Bangun model permasalahan secara terstruktur
4
lainnya. Selanjutnya membuat cluster-cluster dari kriteria, subkriteria dan alternatif tersebut sehingga membentuk jaringan (Network).
2. Perhitungan matriks berpasangan dan prioritas
Adapun langkah langkah dalam perhitungan matriks berpasangan dan prioritas adalah sebagai berikut:
a. Jumlahkan harga dari semua elemen dalam 1 kolom b. Bagikan nilai dari setiap elemen dengan harga tersebut
c. Jumlahkan nilai setiap elemen dalam setiap baris dan dibagikan dengan jumlah elemennya. Hal ini disebut dengan prioritas relatif tiap elemen. 3. Membangun supermatriks
Adapun langkah-langkah dalam membangun supermatriks adalah sebagai berikut:
a. Mendapatkan unweight supermatrix dari prioritas setiap elemen b. Mendapatkan weighted supermatrix.
3.3. Metode TOPSIS (Technique for Others Reference by Similarity to Ideal